【技术实现步骤摘要】
本专利技术涉及深度学习，具体而言，涉及一种基于特征交互和场景-语义协同的矿山占地模型训练方法、装置、电子设备及存储介质。
技术介绍
1、当前，利用大规模数据对各类模型进行训练已成为有效的方法，能够使模型学习到更泛化的特征表示。这种泛化特征对下游任务有益，可以帮助模型更好地理解输入数据中的普遍模式，从而提升性能并缓解过拟合问题。通过在大规模数据上学习的通用特征，预训练模型在特定任务上表现更出色。
2、然而，训练模型在不同任务之间的迁移性能差异明显，虽然利用大规模数据进行训练可以帮助模型学习到泛化的特征表示，但由于不同训练任务之间的差异，导致模型在某些特定任务上表现不佳，实现迁移学习的效果受到限制，导致性能下降。例如，针对场景级分类预训练的模型通常在类似的分类任务上表现良好，因为这些模型学习到了对不同场景和物体的特征表示。然而，在像素级分割这样的任务上，要求模型不仅理解场景中的不同类别，还需要对每个像素进行分类，因此，面对矿山占地识别分类问题时，由于矿山通常具有复杂的形状、纹理和颜色，使得模型会在像素级分割任务上表现不佳。>
<本文档来自技高网...
【技术保护点】
1.一种基于特征交互和场景-语义协同的矿山占地模型训练方法，其特征在于，包括：
2.根据权利要求1所述的基于特征交互和场景-语义协同的矿山占地模型训练方法，其特征在于，所述获取场景分类数据集，包括：
3.根据权利要求1所述的基于特征交互和场景-语义协同的矿山占地模型训练方法，其特征在于，所述特征提取模块包括多尺度注意力单元和金字塔池化单元，所述通过所述特征提取模块对所述遥感图像进行特征提取，得到浅层特征数据和深层特征数据，包括：
4.根据权利要求3所述的基于特征交互和场景-语义协同的矿山占地模型训练方法，其特征在于，所述特征交互模块...
【技术特征摘要】
1.一种基于特征交互和场景-语义协同的矿山占地模型训练方法，其特征在于，包括：
2.根据权利要求1所述的基于特征交互和场景-语义协同的矿山占地模型训练方法，其特征在于，所述获取场景分类数据集，包括：
3.根据权利要求1所述的基于特征交互和场景-语义协同的矿山占地模型训练方法，其特征在于，所述特征提取模块包括多尺度注意力单元和金字塔池化单元，所述通过所述特征提取模块对所述遥感图像进行特征提取，得到浅层特征数据和深层特征数据，包括：
4.根据权利要求3所述的基于特征交互和场景-语义协同的矿山占地模型训练方法，其特征在于，所述特征交互模块包括两个任务查询单元和多任务特征交互单元，所述通过所述特征交互模块将所述浅层特征数据和所述深层特征数据，通过自注意力机制进行任务交互处理，得到目标特征数据，所述目标特征数据用于得到所述预测结果，包括：
5.根据权利要求3所述的基于特征交互和场景-语义协同的矿山占地模型训练方法，其特征在于，所述将所述第一深层特征和所述第二深层特征输入所述多任务特征交互单元，...
【专利技术属性】
技术研发人员：陈刚，孔攀，王晓光，李显巨，杨乐，范家华，
申请(专利权)人：中国地质大学武汉，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。